制作炫酷Python動態圖方法有哪些

這篇文章主要介紹“制作炫酷Python動態圖方法有哪些”，在日常操作中，相信很多人在制作炫酷Python動態圖方法有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”制作炫酷Python動態圖方法有哪些”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

1. 朝陽圖

層次結構數據通常存儲為矩形數據框，其中不同的列對應于層次結構的不同級別。px.sunburst可以采用path與列列表相對應的參數。請注意，如果給出id，則parent不應提供path。

import plotly.express as px df = px.data.tips() fig = px.sunburst(df, path=['day', 'time', 'sex'], values='total_bill') fig.show()

2. ?；鶊D

?；鶊D通過定義可視化到流動的貢獻源來表示源節點，目標為目標節點，數值以設置流volum，和標簽，顯示了節點名稱,在流量分析中常用。

import plotly.graph_objects as go import urllib, json  url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' response = urllib.request.urlopen(url) data = json.loads(response.read())  # override gray link colors with 'source' colors opacity = 0.4 # change 'magenta' to its 'rgba' value to add opacity data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))                                     for src in data['data'][0]['link']['source']]  fig = go.Figure(data=[go.Sankey(     valueformat = ".0f",     valuesuffix = "TWh",     # Define nodes     node = dict(       pad = 15,       thickness = 15,       line = dict(color = "black", width = 0.5),       label =  data['data'][0]['node']['label'],       color =  data['data'][0]['node']['color']     ),     # Add links     link = dict(       source =  data['data'][0]['link']['source'],       target =  data['data'][0]['link']['target'],       value =  data['data'][0]['link']['value'],       label =  data['data'][0]['link']['label'],       color =  data['data'][0]['link']['color'] ))])  fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>",                   font_size=10) fig.show()

效果圖

3. 雷達圖

雷達圖(也稱為蜘蛛情節或情節星)顯示器在從中心軸始發表示定量變量的二維圖的形式多變量數據。軸的相對位置和角度通常是無用的。它等效于軸沿徑向排列的平行坐標圖。

import plotly.graph_objects as go import urllib, json  url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json' response = urllib.request.urlopen(url) data = json.loads(response.read())  # override gray link colors with 'source' colors opacity = 0.4 # change 'magenta' to its 'rgba' value to add opacity data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']] data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))                                     for src in data['data'][0]['link']['source']]  fig = go.Figure(data=[go.Sankey(     valueformat = ".0f",     valuesuffix = "TWh",     # Define nodes     node = dict(       pad = 15,       thickness = 15,       line = dict(color = "black", width = 0.5),       label =  data['data'][0]['node']['label'],       color =  data['data'][0]['node']['color']     ),     # Add links     link = dict(       source =  data['data'][0]['link']['source'],       target =  data['data'][0]['link']['target'],       value =  data['data'][0]['link']['value'],       label =  data['data'][0]['link']['label'],       color =  data['data'][0]['link']['color'] ))])  fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>",                   font_size=10) fig.show()

效果圖

4. 漏斗圖

漏斗圖通常用于表示業務流程不同階段的數據。在商業智能中，這是識別流程潛在問題區域的重要機制。例如，它用于觀察銷售過程中每個階段的收入或損失，并顯示逐漸減小的值。每個階段均以占所有值的百分比表示。

from plotly import graph_objects as go  fig = go.Figure()  fig.add_trace(go.Funnel(     name = 'Montreal',     y = ["Website visit", "Downloads", "Potential customers", "Requested price"],     x = [120, 60, 30, 20],     textinfo = "value+percent initial"))  fig.add_trace(go.Funnel(     name = 'Toronto',     orientation = "h",     y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent"],     x = [100, 60, 40, 30, 20],     textposition = "inside",     textinfo = "value+percent previous"))  fig.add_trace(go.Funnel(     name = 'Vancouver',     orientation = "h",     y = ["Website visit", "Downloads", "Potential customers", "Requested price", "invoice sent", "Finalized"],     x = [90, 70, 50, 30, 10, 5],     textposition = "outside",     textinfo = "value+percent total"))  fig.show()

效果圖

5. 3D表面圖

具有輪廓的曲面圖，使用contours屬性顯示和自定義每個軸的輪廓數據。

import plotly.graph_objects as go  import pandas as pd  # Read data from a csv z_data = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/api_docs/mt_bruno_elevation.csv')  fig = go.Figure(data=[go.Surface(z=z_data.values)]) fig.update_traces(contours_z=dict(show=True, usecolormap=True,                                   highlightcolor="limegreen", project_z=True)) fig.update_layout(title='Mt Bruno Elevation', autosize=False,                   scene_camera_eye=dict(x=1.87, y=0.88, z=-0.64),                   width=500, height=500,                   margin=dict(l=65, r=50, b=65, t=90) )  fig.show()

6. 動畫圖

一些Plotly Express函數支持通過animation_frame和animation_group參數創建動畫人物。這是使用Plotly  Express創建的動畫散點圖的示例。請注意，您應始終修復x_range和，y_range以確保您的數據在整個動畫中始終可見。

import plotly.express as px df = px.data.gapminder() px.scatter(df, x="gdpPercap", y="lifeExp", animation_frame="year", animation_group="country",            size="pop", color="continent", hover_name="country",            log_x=True, size_max=55, range_x=[100,100000], range_y=[25,90])

到此，關于“制作炫酷Python動態圖方法有哪些”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！